<i>Reviews</i>: Diagnosis and Management of Insomnia in Dialysis Patients
Notice bibliographique
Résumé
Sleep-related complaints affect 50-80% of patients on dialysis. Sleep disorders impair quality of life significantly. Increasing evidence suggests that sleep disruption has a profound impact both on an individual and on a societal level. The etiology of sleep disorders is often multifactorial: biologic, social, and psychological factors play a role. This is especially true for insomnia, which is the most common sleep disorder in different populations, including patients on dialysis. Biochemical and metabolic changes, lifestyle factors, depression, anxiety, and other underlying sleep disorders can all have an effect on the development and persistence of sleep disruption, leading to chronic insomnia. Insomnia is defined as difficulty initiating or maintaining sleep, or having nonrestorative sleep. It is also associated with daytime consequences, such as sleepiness and fatigue, and impaired daytime functioning. In most cases, the diagnosis of insomnia is based on the patient's history, but in some patients objective assessment of sleep pattern may be necessary. Optimally the treatment of insomnia involves the combination of both pharmacologic and nonpharmacologic approaches. In some cases acute insomnia resolves spontaneously, but if left untreated, it may lead to chronic sleep problems. The treatment of chronic insomnia is often challenging. There are only a few studies specifically addressing the management of this sleep disorder in patients with chronic renal disease. Considering the polypharmacy and altered metabolism in this patient population, treatment trials are clearly needed. This article reviews the diagnosis of sleep disorders with a focus on insomnia in patients on dialysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».